ADASを機能させるセンシングシステム

自動運転システムのセンサーに関する最新情報を見つけるために、TDK / Invensense（San Jose、CA）の製品マーケティングディレクターであるAlbertoMarinoniにインタビューしました。

一般的に使用される用語である先進運転支援システム（ADAS）は、基本的にSAEレベル2（L2）の部分運転自動化を指します。そのレベルでは、ドライバーは車の中にいて、レベル3以上を必要とする本を読むことができないなどの注意を払う必要があります。 （最高レベルの5 —は完全に自動化された車両であり、人間が車両に乗る必要さえありません。）

レベル2では、用途に応じて、車を縦方向（加速/減速）または横方向（ステアリング）に自動的に制御できます。ただし、運転手は立ち会い、路上を監視し、必要に応じて制御するために警戒する必要があります。対照的に、レベル1は自動ブレーキ/加速または横方向ステアリングを実行できますが、両方を実行することはできません。

L2には、カメラ、レーダー、慣性測定装置（IMU）などの複数のセンサーがあります。 GPSなどのグローバルナビゲーション衛星システム（GNSS）も含まれています。

特定のL2アプリケーションでは、大多数ではありませんが、LIDARも利用できますが、これは主にレベル3用です。他のテクノロジーに比べてコストが高いため、L2に常に含まれるとは限りません。マリノーニ氏は、レーダーは長距離検出器であり、遠くにある障害物を検出するために使用され、前方に何かが存在することを車に警告すると説明しました。 Lidarは、車の近くにあるオブジェクトを詳細に認識することで、自動化の組み合わせを強化します。また、周囲をスキャンして、現在の環境に関する情報を取得することもできます。この情報は、IMUとGNSSで構成される慣性航法システム（INS）を使用して、車の絶対位置を正確に特定するために、地球に対して地理的に参照できます。 INSからの絶対位置情報と、LIDARに基づく相対的な周囲の画像を組み合わせることで、オブジェクトを正確に特定するための3Dマップを作成できます。

慣性計測装置

TDK / InvenSens IMUには、同じハウジング内に2つのMEMSコンポーネントがあります。3軸加速度計と3軸ジャイロスコープです。加速度計は、3つの軸すべての静的（重力など）と動的の両方の加速度に敏感であり、IMUの傾斜角を決定するために使用できます。ジャイロスコープは主に、重力に加えて角速度が存在する動的条件に使用されます。これら2つのセンサーの出力は数学的に組み合わされて、システムの向きを決定します。

今日の一般的な傾向は、検出の精度を高めるために各センサーの隣にIMUを配置することです。

加速/減速

マリノーニによれば、最も重要な減速機能は緊急ブレーキと衝突回避です。これらのアプリケーションでは、レーダーなどのセンサーが車の正面をスキャンして、物体や人を探します。スキャンデータは中央処理装置に送信され、中央処理装置は車両を停止する必要があるかどうかを判断できます。その場合、衝突前に車を停止するためにブレーキペダルを踏むことにより、ドライバーと同じように動作するアクチュエーターに信号を出力します。

ここではIMUが重要な役割を果たします。レーダーセンサーは通常、車両のバンパーに取り付けられており、道路と平行であれば完全に機能します。ただし、何らかの理由でバンパーが変形した場合、レーダー情報は信頼できなくなります。レーダーセンサーの横に取り付けられたIMUは、傾斜を動的に監視して修正情報を提供できます。同じ概念がカメラモジュールにも適用されます。

ステアリング

今日の車両には、ADAS用に10台以上の複数のカメラがあります。ただし、運転中は振動が多いため、カメラモジュールで撮影した画像がぼやける場合があります。 IMUを各カメラの近くに置くと、写真を撮った瞬間にカメラに加えられた振動を簡単に測定できます。この情報を使用すると、画像を安定させ、ノイズを除去して鮮明な画像を表示できます。

典型的なカメラベースのアプリケーションは、アクティブな車線維持支援です。このため、通常、バックミラーの近くにカメラがあり、街路を検出して画像処理を行うために使用されます。このアプリケーションでは、ラインと車がラインを横切っているかどうかを認識する必要があるため、画質が重要です。カメラの横にIMUを取り付けてカメラを安定させることにより、より鮮明な画像を生成し、中央処理装置の計算負荷を軽減します。一部の車線維持アプリケーションでは、ドライバーに警告が発せられるため、ドライバーはステアリングを制御して軌道に乗ることができます。車がこの情報を使用してステアリングを直接制御し、自動的に車線を維持するアプリケーションは他にもあります。

センサーフュージョン

次に、ADASにおけるセンサーフュージョンの役割についてMarinoniに尋ねました。彼は、これは複数のセンサーからの情報を組み合わせて、個々のセンサーの合計よりも優れた出力を提供できるアルゴリズムであると説明しました。

一例として、INSがあります。この場合、GNSSは衛星から情報を受信して​​、車両の絶対位置を決定します。ただし、トンネル、都市のキャニオニング、多層駐車場など、GNSS情報が信頼できない状況があります。したがって、GNSSが使用できない場合にシステムの位置を計算するには、GNSSに近いIMUが必要になります。 GNSSモジュールで実行されるセンサーフュージョンアルゴリズムは、IMUとGNSSからの情報を組み合わせて、すべての条件下で信頼できる位置を生成します。これにより、システムが最適化されます。これは、IMUとGNSSがそれぞれの長所と短所により、相互に補完し合うためです。フュージョンアルゴリズムは、GNSSの信頼性が低い場合は、IMUからの情報を保持し、車が空の状態にある場合はGNSSシステムからの情報を使用します。良好なGNSS信号がある場合、融合アルゴリズムにより、GNSSが利用できないときのためにGNSSデータがIMUを較正することもできます。

推測航法

GNSS信号が利用できない場合、IMUは、受信した絶対最新位置から開始することにより、推測航法でナビゲートします。その時点で、位置を更新するために、時間の経過とともにジャイロスコープ情報の統合を開始します。良いジャイロスコープ情報と良いタイミングがあれば、良い結果が得られます。ただし、ジャイロスコープの出力は良好であるがタイミングが良好でない場合は、結果が悪くなります。両方が悪い場合は、完全に悪い結果になります。統合しているため、エラーが累積され、一定の時間が経過すると、推測航法の結果が受け入れられなくなる可能性があります。

トンネルを通り抜けたり、GNSS信号が十分に長い間悪い都市を運転している場合、IMUに基づく推測航法は信頼できません。そのような状況では、それは自動車メーカー次第です。彼らはドライバーアラートを開始する可能性があります。ドライバーがアラートに反応しない場合、2番目のアラートが生成される可能性があります。それも無視された場合、ADASは制御を取り、速度を落とすことができますが、車を止めることはできません。これは危険です。追加のアクションの1つは、ドライバーが安全かどうかを確認するために、OnStarなどへの呼び出しを生成することです。状況を管理する方法は複数あります。

ADASシステムの信頼性

ADASシステム自体の信頼性は明らかに重要です。データの整合性は、すべての条件下で保証される必要があります。 Marinoniによると、ADAS用のTDK / Invensense 6軸IMUには、Automotive Safety Integrity（ASIL）レベルBまでの要件を満たすシステム用に開発された組み込み診断が含まれています。たとえば、中央ユニットとの通信が信頼できない場合、ドライバーに警告するアラームを生成できます。組み込みのセーフティチップには、システムのすべてのブロックの機能を継続的にチェックするメカニズムが含まれています。コンポーネントが加速度計、ジャイロスコープ、デジタルロジック、または通信バスの誤動作を検出すると、システムにアラームを送信して、問題が発生し、センサーからの情報の信頼性が低下したことを通知します。自動車の安全アプリケーションでは、特に速度、ブレーキング、またはステアリングを制御している場合は、自己診断が必須です。これらの問題は、ASIL仕様で対処されています。ただし、レベル2アプリケーション用でない場合でも、横滑り防止装置などのシステムも100％信頼できる必要があります。

私たちは今どこにいて、どこに行くのですか？

私はマリノニに、このテクノロジーが現在どこにあるのか、そして将来何を期待するのかを尋ねました。 「現時点では、レベル2は現実です。すでに路上にあります」と彼は言いました。 「しかし、IMUの台数が現在から2030年にかけて、1,000万台未満から4,000万台以上に増加すると予想されるという意味で、現在は急増しています。」次のステップであるレベル3の主な変更点は、LIDARなどの新しいテクノロジーの導入です。 「IMUの観点からは、6軸統合のおかげで、すでにL3アプリケーションの準備が整っています」と彼は言いました。

彼はさらに、この分野の次のイノベーションポイントは消費電力の削減である可能性があると述べました。一部のADASアプリケーションは、エンジンがオフの場合でもオンにする必要があります。このため、アプリケーションの各コンポーネントの消費電力が重要になります。以前は、エンジンがオンの場合にのみアプリケーションが実行されていた場合、それは問題ではありませんでした。しかし現在、メーカーは消費電力を含むように仕様を変更しています。

そして最後に重要なことですが、推測航法の統合は時間の経過とともに蓄積されたエラーの影響を受けるため、特に自動運転車の場合、他の重要なポイントは、コンポーネントのノイズをさらに低減し、センサーのパフォーマンスを向上させることです。より長い推測航法の統合を実装し、エラー全体を管理します。

次に、マリノニにレベル3が通りに出ているのではないかと尋ねました。彼の推測では、L3市場では2025年まで大きな動きは見られないでしょう。

「もう1つの重要なトピックは、理論に基づくものではありませんが、経験則ですが、L2システムの場合、2つの並列テクノロジで十分であるということです。 L3システムの場合、精度、安定性、およびパフォーマンスを保証するには、少なくとも3つのテクノロジーを組み合わせる必要があり、おそらくL4の場合は4つが必要です。これにより、パフォーマンスと安全性を保証することの複雑さを実感できるはずです」と彼は言いました。そのため、必要なアルゴリズムとコンピューターリソースに対する要求が大きくなります。そこで、計算の多くをクラウドに移行できるようにするために、5Gが登場する可能性があります。もちろん、それはハッキングの可能性への扉を開きます。

この記事は、SensorTechnologyの編集者であるEdBrownによって書かれました。詳細については、こちらをご覧ください 。